Link to this section使用 Ultralytics YOLO26 进行距离计算#

Link to this section什么是距离计算？#

距离计算是测量图像或视频帧中两个检测对象之间空间的过程。对于 Ultralytics YOLO26，我们使用边界框的中心点来计算用户选定边界框之间的距离。

Watch: How to estimate distance between detected objects with Ultralytics YOLO in Pixels 🚀

Link to this section可视化#

使用 Ultralytics YOLO26 进行距离计算

Link to this section距离计算的优势#

定位精度： 增强计算机视觉任务中的空间定位准确性。
尺寸估算： 允许估算对象尺寸，从而实现更好的上下文理解。
场景理解： 提升对 3D 场景的理解能力，以便在自动驾驶和监控系统等应用中做出更好的决策。
避障： 使系统能够通过监控移动对象之间的距离来检测潜在碰撞。
空间分析： 有助于分析监控环境中对象之间的关系和交互。

距离计算

使用鼠标左键点击任意两个边界框即可计算距离。
使用鼠标右键删除所有已绘制的点。
在帧中任意位置点击左键以添加新点。

距离仅为估算值

距离仅为估算值，可能不够精确，因为它是使用缺乏深度信息的 2D 数据计算得出的。

使用 Ultralytics YOLO 进行距离计算

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("distance_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize distance calculation object
distancecalculator = solutions.DistanceCalculation(
    model="yolo26n.pt",  # path to the YOLO26 model file.
    show=True,  # display the output
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = distancecalculator(im0)

    print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

Link to this section`DistanceCalculation()` 参数#

下表列出了 DistanceCalculation 的参数：

参数	类型	默认值	描述
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。

You can also make use of various track arguments in the DistanceCalculation solution.

参数	类型	默认值	描述
`tracker`	`str`	`'botsort.yaml'`	指定要使用的追踪算法。内置选项包括：`botsort.yaml`、`bytetrack.yaml`、`ocsort.yaml`、`deepocsort.yaml`、`fasttrack.yaml`、`tracktrack.yaml`。
`conf`	`float`	`0.1`	设置检测的置信度阈值；较低的值允许跟踪更多的对象，但也可能包含误报。
`iou`	`float`	`0.7`	设置用于过滤重叠检测的交并比 (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如，`classes=[0, 2, 3]` 仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被跟踪对象的视觉输出。
`device`	`str`	`None`	指定推理设备（例如 `cpu`、`cuda:0` 或 `0`）。允许用户在 CPU、特定的 GPU 或其他计算设备之间进行选择以执行模型。

此外，还提供了以下可视化参数：

参数	类型	默认值	描述
`show`	`bool`	`False`	如果为 `True`，则在窗口中显示标注后的图像或视频。这对于开发或测试过程中的即时视觉反馈非常有用。
`line_width`	`int or None`	`None`	指定边界框的线条宽度。如果为 `None`，则线条宽度会根据图像尺寸自动调整。提供用于清晰度的视觉自定义功能。
`show_conf`	`bool`	`True`	在标签旁显示每次检测的置信度得分。让你深入了解模型对每次检测的确定性。
`show_labels`	`bool`	`True`	在视觉输出中显示每次检测的标签。提供对检测到对象的即时理解。

Link to this section实现细节#

DistanceCalculation 类通过在视频帧中跟踪对象并计算所选边界框中心点之间的欧几里得距离来工作。当你点击两个对象时，该解决方案会：

提取所选边界框的中心点
计算这些中心点之间的像素级欧几里得距离
在帧上显示距离，并在对象之间绘制连接线

该实现使用 mouse_event_for_distance 方法来处理鼠标交互，允许用户根据需要选择对象并清除选择。process 方法负责处理逐帧分析、对象跟踪和距离计算。

Link to this section应用#

使用 YOLO26 进行距离计算有着广泛的实际应用：

零售分析： 测量顾客与产品的距离，分析门店布局的有效性
工业安全： 监控工人和机械之间的安全距离
交通管理： 分析车辆间距并检测跟车过近行为
体育分析： 计算球员、球和关键场地位置之间的距离
医疗保健： 确保候诊区保持适当距离并监控患者移动
机器人技术： 使机器人能够与障碍物和人员保持适当距离

To calculate distances between objects using Ultralytics YOLO26, you need to identify the bounding box centroids of the detected objects. This process involves initializing the DistanceCalculation class from Ultralytics' solutions module and using the model's tracking outputs to calculate the distances.